来源：瓜哥AI新知
本文内容整理自斯坦福数字经济实验室主任埃里克·布林约尔松（Erik Brynjolfsson）在Silicon Valley Girl频道的专访，公开发表于2026年07月21日。原始内容参考：https://www.youtube.com/watch?v=72duHF7iZiU
内容提要：埃里克·布林约尔松在Silicon Valley Girl频道的专访
核心内容提要：
斯坦福大学数字经济实验室主任埃里克·布林约尔松在本次专访中，深入剖析了人工智能对劳动力市场的颠覆性影响。他指出，未来十年将是历史上最好与最坏并存的时期。
精华观点包括：
-
入职门槛的消失： AI已使25岁以下受影响行业的就业率下降了16%。他揭示了初级岗位如何被“抹平”，并探讨了在初级职位消失的背景下，年轻人该如何快速成长为资深人才。 -
不仅是效率提升： 与直觉相反，当AI提高效率并降低成本后，需求曲线的弹性可能导致企业反而大规模增聘人手（以放射科医生为例，AI普及后反而出现了人才短缺）。 -
生存法则“机票原则”： 他提出了判断职业是否会被取代的标准，并强调现在“人人都是程序员”。 -
核心竞争力转型： 在AI比你更聪明的时代，未来的核心价值不再是单一技能，而是“提出正确问题”并“管理AI智能体舰队”的能力。 -
“被低估的AI”： 他与怀疑论者对赌，认为目前的AI技术在社会影响层面是被低估的，而非过度炒作。 -
人类的最后堡垒： 当AI接管了大部分执行性工作，他总结了未来人类依然能够获得报酬的四大关键领域。
布林约尔松通过大量的实证研究告诉我们：职场竞争的终点不是人与AI的对抗，而是学会指挥一支AI智能体团队。
-
影响深远：人工智能对智力的增强，堪比工业革命对体力的解放，其规模与深度远超前者，且演进速度惊人，未来几年将是人类历史上至关重要、充满变数的转折期。 -
就业演变： 人工智能正在取代部分任务，而非全盘替代职业。编程、客服及入门级白领岗位受到显著冲击，但同时也会创造新职业，通过提升生产力推动经济进入“弹性需求”增长周期。 -
工作范式的转变：未来工作的核心不再是按部就班地执行指令，而是成为“智能体集群的CEO”。 人类的核心竞争力将转变为定义问题、提出正确的问题、评估结果以及具备更强的主动性和能动性。 -
生产力与GDP： 传统GDP无法衡量由AI驱动的免费服务（如ChatGPT、维基百科）带来的巨大隐性经济价值。埃里克提倡使用新的衡量工具（如GDPB，即福利价值）来追踪AI带来的真实繁荣。 -
教育与人才培养：传统“菜谱式”教学价值锐减，大学应回归博雅教育，重塑哲学思辨与人文品味，以应对自动化时代。 -
风险与协作：技术是双刃剑，既能治愈癌症、消除贫困，也可能导致财富过度集中甚至技术反噬。 人类需发挥即兴发挥的“超能力”，通过社会层面的政策（如再培训、适当的再分配）主动引导技术向共同繁荣的方向发展。 -
初级职位的危机： 随着AI能够自动化日常任务，金字塔型的职业晋升基座正在消失，企业需从社会层面思考如何培养高级人才，避免形成中层与高级人才的断层。
内容简介
埃里克·布林约尔松是斯坦福大学经济学家兼数字经济实验室主任。他花了30年时间研究技术对就业的实际影响，撰写了《第二次机器时代》，并刚刚发表了《煤矿里的金丝雀》（Canaries in the Coal Mine）一文——该论文表明，在受AI影响最大的岗位中，25岁以下年轻人的就业率已经下降了16%。 在本期节目中，他详细剖析了哪些岗位首当其冲，哪些岗位在悄然增长，为什么“现在人人都是程序员”，效率提升反而导致招聘增加的需求曲线原因，以及在未来3-5年内让你变得极具价值的唯一技能（提出正确的问题并管理一支智能体舰队）。
访谈全文
埃里克： 有一大批岗位，数以百万计的工作机会即将消失。
主持人： 多快会这样？
埃里克： 已经开始了，正在发生。
主持人： 这位是埃里克，斯坦福大学的经济学家，他比几乎所有人都更早预见到了人工智能的到来。他花了30年时间研究技术对就业的影响。他说，我们刚刚迎来了转折点。但接下来会发生什么，取决于我们现在怎么做。
埃里克： 我认为其影响将比大多数人意识到的还要大。工业革命让机器替代了体力，如今，我们正在为大脑与心智做同样的事。
主持人： 当智力被自动化，人类还能靠什么赚钱？
埃里克： 未来十年，如果我们应对得当，这将是人类历史上迄今为止最好的十年；否则，也可能成为有史以来最糟的十年之一。
主持人： 像我这样的人能做些什么？
人工智能已经抹去16%的入门级岗位
主持人： 你们刚发表了一篇题为《煤矿中的金丝雀》的实验室论文，显示人工智能已经抹去了16%的入门级工作岗位，而且仅针对25岁以下的人群。我们能谈谈这个吗？
埃里克： 当然，这不仅仅限于25岁以下的人群，还特别集中在受AI冲击最大的职业上。你可以根据AI能否影响某个职业，对经济体系中的所有职业进行排序。我们正是这样做的，考察了受冲击最大的职业，也就是你刚才提到的那个数据：25岁以下年轻人的就业率下降了约16%。
但同样值得注意的是，在另一端，像家庭健康护理员这样受冲击最小的职业，就业率实际上在增长。此外，年长工人的就业率也在增长。
或许最有趣的是，对于那些利用AI增强现有工作而非替代工作的人，我们可以观察他们使用的提示词类型。结果显示，这些人的表现也显著更好。
所以我不想粉饰太平。在编程和呼叫中心等受冲击严重的领域，那些核心人员利用AI将日常工作自动化，导致了两位数的就业降幅。自那篇论文发表以来，我们一直在持续跟踪，而且这种影响每个月都在加剧。
首批受到冲击的具体岗位（以及悄然增长的岗位）
主持人： 这些受冲击最大的领域具体是哪些？
埃里克： 编程显然首当其冲。客服中心、部分销售和营销岗位也是如此。实际上，我们发现最有效的方法是关注具体任务，而非整个职业。每项工作都是一组任务的集合。
比如著名深度学习研究员杰弗里·辛顿曾谈到放射科医生会被取代。但实际上，我们记录到放射科医生要执行26项不同任务。其中一项是读取医学影像，这部分正在被机器取代。但他们有时还要进行体格检查、查看化验数据、与其他医生协调治疗方案。这些工作受大语言模型(LLM)的影响要小得多。
放眼经济体系中的所有职业，没有任何一项是大语言模型能全盘通吃、包揽一切的。在每种职业中，大语言模型都能对部分工作提供帮助，比如写备忘录、处理电子邮件、查看化验单。但也有一些工作它们无能为力，比如搬箱子或开车，至少目前还做不到。
为什么他现在要求斯坦福的每个学生都必须提交可运行的真实代码
主持人： 对于那些受威胁最大的领域，AI在任务执行方面占比多少？是不是接近80%了？
埃里克： 这也是另一个关键点。具体到各项任务，差异也非常大。以编程为例，随着智能体的出现，变化发生得极快。我在斯坦福授课时，甚至就在去年，学生们做项目并在期末展示时，通常用的是PPT演示。而今年，每个学生、每个项目都必须提交可运行的代码，因为无论他们以前是否懂编程，现在人人都成了程序员。现在人人都是程序员。
这对你的听众来说是个好消息。如果你使用Replit、Cursor或Claude Code这样的工具，只需有一个想法，把它描述出来，Claude Code或Replit就能帮你实现。所以他们都进行了展示，实际上就在上周五，我们进行了期末展示。20个团队进行了汇报。这说明AI在这方面发挥了巨大作用。
至于客服中心，我写过一篇关于客服中心的论文。几年前我和林赛·雷蒙德、丹妮尔·李合写那篇论文时，发现大语言模型主要是帮助人工客服回答问题，而实际与来电者的沟通始终由人工完成。现在，我们与同一家公司合作，发现有很大比例的问题已经由AI智能体直接回答了。
决定你工作能否存续的机票法则
主持人： 那么他们的雇员减少了？
埃里克： 实际上还不明朗。另一个非常有趣的现象是，直觉上似乎AI能完成某项任务，所需人手就会减少，但事实并非总是如此。在某些情况下，比如农民和其他一些类别，确实出现了就业减少。我也提到过程序员的就业在下降。但在其他情况下，当个人生产力提升，AI分担了部分工作时，企业实际上反而会雇佣更多人。
埃里克： 我的思考方式是通过我们所说的需求曲线，这是一条向下倾斜的曲线。
如果把价格放在纵轴，数量放在横轴，那么价格降低会导致需求量增加。我们都有这种直觉：降价会有更多人购买。但曲线的陡峭程度差异很大，且至关重要。如果曲线非常陡峭，价格降低只会带来需求量的微小增加，最终总收入反而会减少。
埃里克： 但有时需求曲线非常平缓。经济学家称之为弹性需求曲线。这时价格的小幅下降会带来需求量的大幅增加。比如喷气式发动机让航空旅行变得更便宜，但这并不意味着我们在航空旅行上的花费减少了。你、我以及许多其他人坐飞机的频率比50年前高得多，因为现在的机票比以前便宜太多了。最终我们的总花费反而比以前更多。
埃里克： 经济中大约有一半的类别属于价格下降时总支出也下降的情况。但更有趣的是另一半经济：价格下降会带来总支出的增加。我认为这是一个非常重要的启示：当AI提高效率时，它确实会在某些领域破坏工作岗位、削减收入，但同时也在其他领域创造了大量机会。创造，才是我倾注精力的地方，也是我在斯坦福开设课程的核心。我还开设了一门大师课，教人们如何投身于经济中的这部分创造领域。
我提到了一些就业和部分生产力的变化，但目前还没有发生戏剧性的改变。我们正在密切观察，看它是否会进一步加速发展。这里存在鲜明的对比。我们还创建了斯坦福人工智能指数，追踪一些基础能力，比如各种基准测试，像在数学考试中的表现或阅读文档的能力。在这些方面，AI的表现非常出色。
凭借更优午餐菜单“赢得”人工智能黑客松的公司
埃里克： 基础能力正在飞速提升，但目前对经济的实际影响还相当有限。我认为，能力与实际应用之间的这种差距正是巨大的机遇所在。未来几年，企业将逐步缩小这一差距。这也是我开设大师课的原因。我还创办了一家名为Work Helix的初创公司，专注于教企业如何利用这些卓越的能力来提升生产力、利润和销售额。目前这方面的发展虽不如预期，但我认为未来几年我们会看到更多进展。
主持人： 那么，当您说“它并没有发生”时，您的意思是公司以某种方式使用它，结果制造出AI垃圾内容或是无法使用的东西？这究竟为什么会发生呢？
埃里克： 部分原因在于，他们确实在制造AI垃圾内容，或者将其用于不那么重要的事情上。我曾去过一家公司，他们举办了一场大型黑客马拉松，每个人都在搞发明创造，大家都很兴奋。结果获胜的项目是一个人用大语言模型(LLM)来生成午餐菜单。我就想，哦，这挺有趣的，但这真的是贵公司的核心价值所在吗？仅仅是为了拥有更好的午餐菜单？所以，他们需要将其与真实的业务问题联系起来，而且需要花一段时间才能弄清这些机会在哪里，并加以良好执行。
公平地说，每次出现强大的新技术时，这种情况都会发生。比如，我在攻读博士学位时研究过电力在100年前美国工厂的普及过程。信不信由你，从他们首次在美国工厂引入电动机，到实现显著的生产力提升，中间花了大约30年时间。保罗·大卫等人查阅了生产记录。30年，这太疯狂了。时间太长了。这确实不可思议，但却是事实。数据就是这么显示的。
主持人： 那么在AI方面，我们需要花多长时间？
埃里克： 这次会快得多。但也不会是一蹴而就的。大约10天前我刚拜访了DeepMind，他们在伦敦告诉我，天哪，在未来18到24个月内，我们将拥有所有这些能力。我相信他们。毕竟他们在能力方面是专家。
与怀疑论经济学家的金钱赌局：“AI被低估了”
但我认为，要将这些转化为商业价值还需要更长的时间，因为你需要改变业务流程，需要对员工进行技能重塑，有时还需要发明新产品和新服务。这需要时间。我敢肯定，这次不会像电力那样花30年，也不会像蒸汽机那样花50年。早期的一些技术确实耗时漫长。但这一次，我认为大概只需要三到五年。而且我认为我们已经能看到一些端倪了。
我实际上和一位经济学界的朋友鲍勃·戈登打了个赌，他对AI持怀疑态度。他说，你看，AI被夸大了。而我的看法正好相反。信不信由你，我认为AI不仅没有被夸大，反而是被低估了。我认为它的影响将比大多数人意识到的还要大。于是我们打了个友好的赌，赌到2020年代末，也就是2030年——我们实际上是在2020年代初打的这个赌——生产力将显著高于美国劳工统计局的预测。
因此，我认为官方政府统计数据严重低估了即将发生的事情。而这将是个好消息。如果我们能实现更高的生产力，这将有助于缓解预算赤字，有助于消除贫困，也有助于改善医疗保健。我们将拥有比原本多得多的财富。在那个赌局中我已经稍微领先了一点。而且我认为未来三到四年将迎来最美好的发展。
为什么你的下一份工作是管理AI智能体集群
主持人： 你们有一份与ADP合作的报告，显示私营部门在5月份新增了12.2万个就业岗位。这些都是些什么样的工作？它们与AI有关吗？对于那些正在观看且认为自身技术能力很强的人来说，下一步该怎么走？是否有数据表明，你需要在工作场所中成为通才或是创业者？因为我们正在讨论这个话题，但有什么证据能证明这一点吗？
埃里克： 通才和专才是其中一种视角。实际上，我有一种不同的思考方式。在我看来，几乎每个项目都可以分为三个部分：定义问题、在问题明确后执行，以及评估结果。它真的给出了你想要的结果吗？你需要做出哪些调整？在历史上的大多数时期，人们包揽了这三个部分。因为没有其他人可以依靠，对吧？
但现在，AI智能体已经非常擅长中间那个环节，也就是执行，前提是你定义好了问题。所以我希望你们的听众都在尝试使用Claude Code或其他类似工具，他们会发现，一旦提出正确的问题，这些工具就能执行并生成软件。
因此，在不久的将来——事实上，Work Helix和我们的许多客户现在已经出现了这种情况——大多数人的工作将是管理智能体，不仅是一个，而是整整一个智能体集群。每个人都将类似于一群智能体的CEO，他们的工作将集中在第一个和第三个部分。也就是说，提出正确的问题并进行评估，这恰好是CEO的大部分工作，对吧？如果你能思考，好吧，正确的问题是什么，比如全职等效人力(FTE)，真正需要解决的问题是什么？这能创造巨大的价值。然后，一旦你界定好范围，剩下的就交给智能体去执行。
但我们要现实一点。这些智能体有时会产生幻觉、出错，或者更常见的情况是，你以为自己问了正确的问题，智能体也执行了，但你回头一看却说，哦，我想你确实照我字面上的要求做了，但这并不是我真正想要的结果。然后你就开始迭代，回去修改问题。这就是评估环节。
我认为，这就是工作的未来：弄清楚如何提问和评估，并让智能体完成大量执行工作。我认为这是可以学习的，也是可以教授的。这将成为越来越多人必须具备的一项技能。
主持人： 没错。那你是怎么掌握这门技术的？就是直接开始在工作中部署智能体吗？
埃里克： 是的。这是个好方法。如果还没开始，每个人都应该着手部署。不过我在斯坦福教书时，大量采用苏格拉底式教学法。学生们不太喜欢我点名，但我会要求他们即兴思考并界定问题。他们做作业时必须弄清如何划定问题范围。这不仅仅是“我把问题列好，你照着步骤执行”的照本宣科。那是旧的学习方式。新的学习方式是给他们一套非结构化的开放性问题，让他们自己找出核心问题。就像其他事一样，熟能生巧，最终你能做得相当出色。
主持人： 这正是理解问题、判断正解的艺术。
埃里克： 一点没错。这需要特殊的技能组合。如果只懂技术，就无法透彻理解问题。如果只懂人际交往或领域知识，又可能不明白技术能在何处发挥作用。但如果将两者结合，就能创造最大价值。
主持人： 对，基本上就是成为通才。你还必须具备学术底蕴，否则如何判断对错？
埃里克： 我认为是这样。有些人觉得，一端是严谨和理论，另一端是实用和现实意义。我不这么看。我认为这两者有极强的协同效应。如果能将严谨与实用结合——这正是我曾在麻省理工学院工作时的校训，拉丁语“mens et manus”，意为“手脑并用”——将两者结合才能发挥最大价值。
主持人： 很多人都有去斯坦福大学读书的梦想，也许他们才十二岁。我小时候也有过这个梦想。根据你的观察，你认为十年后这仍然是一个切实可行的梦想吗？
埃里克： 我希望如此。
主持人： 好的。你刚才想说什么？
初级工程师、营销经理、律师助理：他对他们说的话
埃里克： 坦白说，教育的作用正在发生巨变。我认为那些仅仅像教菜谱一样教具体操作步骤的课程，比如如何求逆矩阵、如何按部就班地完成某项任务，这类课程将会消失。它们的价值会越来越低，因为AI工具会代劳。
主持人： 我要说几个职位，都是薪水不错的工作。你会建议人们花几年时间去成为这些职位吗？比如现在年薪9.5万美元的初级软件工程师。
埃里克： 很遗憾，不推荐。这个职位正处在被替代的风口浪尖。尤其是你强调了“初级”二字。
埃里克： 数据表明，这些职位正在消失。如果你说的是高级职位，我会乐观得多。
当初级职位消失后，如何晋升为高级职位
主持人： 这些人去哪了？职位消失后，他们怎样了？
埃里克： 职位消失意味着人要另谋出路。出路之一就是学习承担更多高级工作。我曾与大型企业印孚瑟斯合作，他们表示现在雇佣的初级员工数量和以前一样多。但他们不再让初级员工做那些大语言模型和智能体能做的日常工作，而是让他们花大量时间接受培训，学习宏观的项目管理知识。以前他们只是靠耳濡目染，在周围混日子指望技能能沾上身。现在则进行明确的培训，有时还会借助AI工具。这是不同的思维模式。坦率地说，大多数公司都不具备这种前瞻性，我认为他们会因此受挫。大多数公司都有一个金字塔结构，比如律所或软件工程公司。底层是一大批初级员工，其中一部分人逐步晋升为中高层。如果去掉金字塔基座，它就变成了菱形。那么中高层管理人员从哪里来呢？太多公司在这方面缺乏远见。我认为印孚瑟斯的做法是正确的，他们表示仍会继续雇佣初级员工，因为我们需要更有品味和经验的人才。
主持人： 这正是现在很多人都在思考的问题。如果没有初级职位让我干上几个月，我如何才能晋升为高级员工呢？
埃里克： 我得说，这是一个社会问题。这有点像囚徒困境，或者经济学家所说的协调问题。对每家公司来说，为了节省成本而不雇佣初级员工，在个体层面似乎无可厚非。但从整个社会的角度看，我们需要让这些人有工作可做、有技能可学。因此，我们需要提出社会层面的对策。我很高兴印孚瑟斯能主动采取行动，但我们需要全社会共同解决。我认为，其中一部分对策是对教育和培训进行公共投资。
主持人： 中级营销经理，年薪11.5万美元。
埃里克： 抱歉，这又是一个我看不出多大价值的职位。许多大语言模型都能胜任。公平地说，这些工作总有一些部分相对不受影响，比如某些项目管理工作和需要品味的环节，但核心工作正处于被替代的靶心。天哪，情况甚至更糟。看看这份名单。听着，我不想粉饰太平。我的职责不是来描绘美好图景的。有大批工作岗位，数百万计的岗位将会消失。
主持人： 多久之后？
埃里克： 已经开始了，这在我们的早期预警数据中已经显现。不过，这只是故事的一半。更重要的一半是，大量新工作岗位正在被创造出来。技术一直在消灭旧岗位，也一直在创造新岗位。当我们目睹旧岗位被消灭时，新岗位也在不断诞生。历史上没有任何一个社会是靠死守旧岗位取得成功的，无论是煤炭矿工，还是你刚才提到的那些职位。每个成功的社会都致力于拥抱活力、进行再教育和培训，并接纳这种灵活性。无论是政客、工会领袖还是部分工人，都有一种本能想要冻结旧的工作方式。但这无论对国家、公司还是个人都行不通。
主持人： 只是如今变化的速度要快得多。
埃里克： 完全同意，我们目前还没有配置足够的资源和投资来应对。
埃里克： 不幸的是，我们在全球化和自由贸易问题上已经经历过类似的情况。作为经济学家，我必须承认，我当初也是主张自由贸易的人，认为它能做大蛋糕。是的，会带来阵痛，有赢家也有输家，但只要蛋糕做大了，我们基本能让所有人受益。结果我们只做到了第一步，实行了自由贸易，却没有做到第二步，即帮助那些受损的人。现在出现了强烈的反弹，掀起了反全球化、反自由贸易的浪潮。关税水平达到了近一个世纪以来的最高点。从经济学家的视角看，这是一场灾难。但从某种程度上说，这是我们自找的，因为我们不够谨慎，没有强调必须对受影响的人进行补偿和再培训。如果你任由这些颠覆性变化发生，却没有管理过渡期的计划，就必然会遭到反噬。而我认为，人工智能带来的颠覆要大十倍。我们已经看到了一些反噬的苗头。我敦促科技界的朋友和政治领导人努力平滑这一过渡期。你不能对此视而不见。
辛顿曾断言注定消亡的放射科医生（如今却面临人才短缺）
主持人： 完全同意。大概就用放射科医生的话题来收尾吧。
埃里克： 35万。放射科医生。好的，这个话题很好。他谈到放射科医生，因为这是一个非常经典的例子。杰弗里·辛顿在大概2017年的时候，研究了深度学习能做什么，比如读取医学影像，他说了一句非常有名的话。他是世界上最聪明的人之一，我绝对认可他的成就，但他这次确实判断错了。他当时信誓旦旦地说，我们应该停止雇佣放射科医生，他们的时代结束了，人工智能完全可以胜任。
然而，现在我们拥有的放射科医生比以往任何时候都多。甚至几乎出现了放射科医生短缺的现象，他们的薪酬也相当优厚。为什么会这样呢？有几个原因。首先，阅读医学影像只是放射科医生工作的一部分。他们还有其他25项任务要完成。因此，当你让其中一部分工作变得更高效时，实际上反而增加了对其他部分工作的需求。
与此相关的一点是，医学影像需求的价格弹性非常高。这意味着，随着效率的提高，实际需求反而增加了。打个比方，如果我肩膀有点酸痛，做核磁共振要花2000美元，我可能会想，算了，不做了。但如果只要200美元呢？那我会觉得，好，我去检查一下。所以我们看到的是，提高效率反而激发了更多的需求。
而且有很多人本可以享受到更多的医疗服务。所以我认为，医疗总体上是未来增长的一个主要领域。人工智能将使医疗变得更高效。但这并不意味着我们的花费会减少，实际上我们会花费更多。但我认为这其实是好消息，因为这意味着更多的人将得到救治。医疗支出或许翻倍，但治愈率和获益将翻两番。所以这是一项很好的工作。我认为它一直发挥着很好的作用，而且在未来相当长一段时间内仍会如此。
埃里克： 讽刺的是，我认为很多博雅教育会变得更加有价值。比如哲学，甚至是艺术鉴赏。在一个物质充裕的未来世界——我不确定我们是否一定会到达那个阶段，但如果真的到了——那么，学习如何欣赏艺术和音乐就变得尤为重要。你刚才说你是歌手对吧？待会儿能给我们唱两句吗？
主持人： 太棒了。
埃里克： 这实际上是大学应该做的一件非常好的事情。这有点像一种逆潮流的观点，但我认为大学应该考虑的事情之一，就是回归几百年前的办学模式。很多大学最初就是围绕文科、哲学、宗教、艺术、音乐和历史来设立的。我认为这些领域将永远保持重要性。
主持人： 完全有道理。这本质上就是在培养品味。
埃里克： 培养品味，没错。虽然我主要上的是那些极客式的数学课程，但我很庆幸自己选修了一些音乐鉴赏课。现在我听音乐的感觉真的不一样了。上了那门课后，你真的能听到以前根本注意不到的细节。这也适用于品鉴。如果你去纳帕谷参加品酒会，你能学会辨识全新的风味。你也能在艺术作品中看到以前看不到的东西。这就像是打开了你的眼界。
主持人： 好的，现在我们来谈谈这场人工智能革命。作为一名经济学家，你研究过以往所有的技术革命，离我们最近的一次，也算半近吧，就是工业革命。但那次革命并没有这么快。
埃里克： 你的眼光很长远。我很喜欢你称工业革命为“最近”的一次，没错。从宏观历史来看，它确实是其中之一。
主持人： 从宏观历史和影响力来看确实如此。所以我认为，当我们试图与人工智能进行比较时，最合适的参照就是工业革命。
但那次革命的发生过程要缓慢得多。完全正确。除了速度之外，这次还有什么不同？
埃里克： 最核心的一点是，安迪·麦卡菲和我合著了一本名为《第二次机器革命》的书，每个人都应该去买来读一读。《第二次机器革命》解释了这一切。其基本观点是，工业革命是我们这个世界经历的第一次惊人的转型。在那之前，大多数人的生活水平几乎停滞不前。他们的父母、祖父母、曾祖父母，全都生活在贫困线附近。那就是当时的生活常态，普通家庭的生活状况没有任何改变。
随着工业革命的到来，我们开始看到经济急剧增长。如今我们的财富大约是两三百年前祖先的30到50倍。其原因在于，工业革命让机器增强了人类的体力。不再是依靠人类或牛马提供动力，而是使用了蒸汽机。这就引发了一场令人惊叹的生产力大爆发。每年百分之几的增长率听起来可能不多，但经过复利累积，就正如我所说，财富增长了30到50倍。那是一次真正的奇点，可以说是第一次奇点，我们由此从停滞的增长过渡到了快速增长。
我们当前所处的时代被称为第二次机器时代，因为现在我们对大脑和思维也在做同样的事情。我们在增强它们。在我看来，这次变革的规模至少与工业革命相当，甚至会更大、更快，并影响经济中更大的比重。美国和其他发达经济体的大多数工人都在从事认知型工作。也就是说，你的大部分工作不是搬箱子，而是交流思想，我也是一样。甚至那些从事大量体力劳动的人，通常也需要进行大量的认知工作。
因此，人工智能带来的影响将比工业革命更加深远。而且它的发生速度显然要快得多。这是好消息。坏消息是，正如我们之前讨论的，我们还没有为这场巨变浪潮的规模做好充分准备。
如果人工智能比你更聪明，你仍能获得报酬的4个理由
主持人： 如今人们之所以能赚钱，是因为他们拥有一种稀缺资源，那就是智力。当智力被自动化，人类还能凭什么赚取财富？
埃里克： 我的天，这可是个价值万亿美元的问题。我认为没有完美的答案，但你完全说对了。像我这样的人，我非常看重智力，因为它帮我赚了很多钱，也是我获取地位的途径。但人工智能将实现“按需智能”。因此，未来更具价值的一点是主动性或主观能动性。在我的最后一节课上，我的学生们会记得我说过，我认为每当他们听到“人工智能”这个词时，应该想到的是“放大意图”，而不是“人工智能”。因为它的作用是放大你的能动性、你的意图。如果你没有任何意图，它对你也没什么帮助。但如果你有计划，它就能成倍放大你的计划。所以，未来属于那些拥有高度主观能动性的人。
我认为第二件越来越重要的事情是人类之间的连接。当人工智能能在国际象棋中击败人类时，那并不是人类下棋的终结。如今人们下国际象棋比以前更多了。我儿子赞德喜欢下棋。我问他，你是和机器下还是和人下？他说，当然是和人下。和机器下没意思。而且，昨晚尼克斯队的篮球赛有数百万人观看。如果是一群机器在互相比赛，肯定不会那么有趣。所以在未来，我们将珍视那些带有“纯人类认证”的事物，那些真实可信、由真人创造的事物。我认为这是另一个重要领域。
第三个至少在短暂窗口期内会很有价值的领域是体力劳动。人工智能在认知工作方面正变得越来越强。如果你是水管工、木匠，或者拥有特定的技能，事实证明这些对机器来说更难做到。话说回来，我认为这方面的窗口期正在关闭。
第四个类别，是我未曾设想的领域。历史上每次我们试图构想未来时，总是大大低估了它。如果200年前你和我在进行这场对话，我们会说，所有的农民都会消失。90%的人都是农民。我敢肯定我们想不到播客主持人，或者今天存在的其他所有职业。未来会有新的职业被发明和创造出来。这不一定必须是我去发明的。那是谁的工作呢？是你的观众，是创业者。在硅谷，人们不断尝试新想法。老实说，其中很多想法非常愚蠢。但有些看似愚蠢的想法后来证明是绝妙的。比如太空数据中心，哦我的天，也许那行得通。我不知道。所以我们这里有一个生态系统。今天早上我和一位风险投资人吃早午餐，她告诉我，她的所有收益仅仅来自于5%或10%甚至更少比例的投资。其余的投资都没有成功。谢天谢地，我们有这样一个生态系统，像她这样的人愿意承担这些风险，创业者也愿意承担这些风险去尝试。美国在这方面引领世界，不断发明新事物。我期待看到他们接下来会发明什么。
里德·霍夫曼的国际象棋故事与人类唯一的超能力
主持人： 是的，我们总是擅长提出新事物、发现新瓶颈并解决新问题。这就是人类的定义。
埃里克： 是的，那是我们的超能力。我知道你之前请里德·霍夫曼做过客，当你问人类将来会做什么时，他告诉了我一个非常有价值的观点。他说，人类的超能力是临场应变。你能很好地定义问题，机器也能解决。但如果出现意想不到的情况，人类就会想办法解决。
实际上，如果你有时间，他告诉过我一个有趣的小例子，让我彻底明白了这一点。他说，想象一下，像我课上这样的普通人必须和世界上最好的国际象棋电脑对弈。比赛在30天后进行。输赢关乎生死，输了的人就会死。
他说他不确定，但他认为人类有相当大的胜算。不是因为人类棋下得更好，而是面对现实吧，如果这场对弈关乎生死，他们可能会想出某种方法来让电脑短路。也许会有病毒侵入。也许那天会打雷闪电。或者水不小心泼了进去。他们总能想出办法。他们会找到赢的方法。这就是人类擅长的事情。
主持人： 当不再是公司雇佣人类时，你如何看待资源分配？那会是什么样？
埃里克： 我对此非常担忧。你之前听到我说我对经济增长持乐观态度，我认为我们将拥有更高的生产率增长，创造更多的财富。但我担心财富会高度集中，集中程度将远超现在。这并非不可避免。我们在未来仍有选择的余地。
我希望大家思考的事情之一是我们拥有怎样的价值观，以及我们想创造怎样的未来。我希望看到一个不仅繁荣，而且是共享繁荣的世界。
但有一个让我担忧的场景是，人工智能将自动化大量工作、大量岗位，人们会去创业。但如果它过于集中在少数几家公司或一个大型政府所有实体手中，那么所有的财富和权力都会集中。我们需要为一个许多人能够参与、每个人都能在社会中占有一席之地的未来做好规划。
如果你没有播客或初创公司该怎么办
我认为这两条路都不是必然的，但我确实担心我们现在正朝着经济财富日益集中、从而政治权力也日益集中的方向走去。我们需要对此保持警惕。
主持人： 像我这样的人能做什么？或者没有播客的人，他们如何确保自己能参与其中？买股票吗？
埃里克： 事实上，这正是我创建它的原因之一。不，不，买股票是一方面，但我认为你真正需要做的是创造价值。这就是为什么我开设了大师课。这也是我在斯坦福大学课程中教授的内容。你如何利用人工智能创造新的商品和服务？不要做循规蹈矩的人，不要因为机器会取代你才去做事。而是要成为那些提出正确问题的人之一。你如何利用人工智能创造新产品和服务？
在一个创业更多、价值创造更多的世界里，我认为我们可以继续保持经济权力的广泛分散。但如果每个人都只是听从指令，那我们就会面临财富集中的问题。所以这是首要任务。
另外，我认为我们确实必须考虑不同形式的再分配。这不是我的首选，但我们需要将其作为备用计划，即如果财富高度集中，我们就需要实行全民基本收入、累进所得税和财富税。我知道硅谷的很多朋友们会为此对我大喊大叫。但我认为不能让所有财富和权力过于集中。这不符合任何人的利益，包括亿万富翁自己。否则，民众会举着干草叉去找他们算账。所以我们希望生活在一个每个人都能参与的世界里。最终，人们会创造出更多的价值。
我访问过一些发展中国家或拉丁美洲的部分地区，那里的富人生活在有围墙的封闭社区里，配有机枪，有自己的学校、医生和私人警察部队。不，这对任何人来说都毫无乐趣。我有个朋友住在巴西，她说她和所有富有的朋友都像是在坐牢。我说，你说你们在坐牢是什么意思？她说，不，是我们自己打造的牢笼。我坐在这些高墙后面，出门时两边都有保镖，因为整个社会对我来说都不安全。
我认为没人愿意生活在这样的世界里。
主持人： 我认为是每个月125美元，大概是这个数字……
埃里克每月愿意为AI支付多少费用（他的真实报价）
埃里克： 因人而异。事情是这样的，不同的人对它的估值不同。因此我们的研究方法允许这种异质性存在。有些人认为它每月值125美元，甚至1000美元。也有人认为它只值10美元或毫无价值。这样就得到了一条完整的需求曲线，曲线下的总面积就是创造的价值。少数赋予它极高价值的人贡献了一部分，大量赋予它较低价值的人也贡献了一部分，总价值就是所有这些的总和。
主持人： 那对你来说是多少？为了这个月能继续使用它，你愿意付多少钱？
埃里克： 天哪，对我来说大概值数万美元，因为它已经成了我生活的一部分。我每天都用它，每晚都会用到深夜。我和Claude的协同工作功能一起测试不同的研究想法。我在做计划时也会把它当做乐趣。每次降落在一个新城市，我都会让它给我推荐去哪家餐厅。它已经完全融入了我的生活，失去它就像失去我的左臂一样。
如果你只把AI当搜索引擎用，该如何起步
主持人： 对于那些还没有深入尝试过AI、只把它当搜索引擎用的人，有没有什么用例能给他们带来很大启发？
埃里克： 这里有一个比较元的方法。坐下来和它对话，问它如何在你的生活中发挥作用。
主持人： 但如果他们用得不够多，我觉得可能没有足够的……
埃里克： 不不不。你可以和它对话。你要做的是问ChatGPT或Claude，说，嘿，告诉我你怎么才能帮上我的忙，并向我提问。你完全可以说，不断向我提问，对我进行采访。它就会回答，好的，你的工作是什么？有孩子吗？诸如此类。上周你担心了哪些问题？然后它就会和你展开对话。顺便说一句，我自己就这么做过。它会列出大约10条建议，告诉你可以在哪些方面使用它。
主持人： 有什么是你绝不会交给AI去做的？
埃里克： 确实想不到。脑子里冒出一些念头，我又觉得，不，这些事完全可以交给它去完全代办。不过，有些真的是生死攸关的决定，比如去看医生前我会先用它，它会给我提供一些切入点性的问题去问医生，但归根结底，我仍然希望由真正的人类来做决定。因为AI还不够完美，还存在一些问题。
我认为这通常是一种合作关系。因此我几乎从未将某件事100%完全交给AI。对我来说，这始终是协同和合作：我与AI互动，它给我提供一些想法，然后我否决一些，赞同一些，它更像是一个合作伙伴。
主持人： 过去几年你的生产力提升了多少？
埃里克： 我觉得我的生产力提升了非常多。我不确定这是否会体现在官方GDP统计数据中，但我个人的感觉是……
主持人： 那论文数量呢，也许你能追踪一下这个数据？
埃里克： 能追踪到一点。我认为还体现在质量上。我正在研究一些更有趣的问题，这些可能是我以前不会接触到的。我的论文引用量也上升了，不过我觉得只是因为我在文章里提到了AI，大家就会引用。从我的日常工作来看，我感觉自己的效率高多了。
我给你举个更具体的例子。作为一名教授，一个很常规的流程是：我和研究生开会，讨论一个研究项目，然后我说，你们何不试试这个？看看这些数据，找出答案。然后他们回去，我们大约每周开一次会，他们向我展示发现的结果。我会说，哦，这很有趣，但这部分说不通。你们何不回去再核实一下？或者让我们探索一下这个。我们就这样进行每周的循环，不断推进。10到20周后，我们得出结论，或者自认为得出了结论，然后写篇论文。
现在这个循环几乎是瞬间完成的。我会使用Claude的协同工作功能，问它：数据展示了什么？五到十分钟后，它调出数据，我会说：等等，这好像不对，你应该再核实一下这部分。然后我们重新来过，进行类似的对话。在某些方面，它表现得还不如研究生，但这无意冒犯我出色的研究生们。在某些方面它又更好，速度要快得多，有时还能追踪到不同种类的数据。你需要了解它的优缺点，但这个循环周期确实大大缩短了。
主持人： 是的，这种速度令人着迷，这也是我自己的体会。是的，我的生产力提升了，速度变快了，但对大多数人来说，还没有出现那种近乎颠覆性的变化。我刚才还在和同行讨论这个。比如，新冠疫情发生了，对吧？那彻底改变了我们的生活。对于AI，我们也在谈论这种颠覆性的变化。对某些人来说，变化确实是颠覆性的，因为他们被裁员了，但我们永远不知道这到底是不是因为AI，因为很多公司只是把AI当个噱头。而且我们还没有治愈癌症。自动驾驶确实很酷，但它只在旧金山落地，还在推广中，且受制于监管。你认为我们什么时候才能看到某种让所有人都感到震撼的东西？然后我们会说，哇，这才是我真正看到影响的地方。
埃里克： 我认为在未来三到五年内，人们会看到越来越多令人震撼的成果。一些小的突破已经在发生。医学领域有一些突破，你提到的汽车领域，企业也开始应用AI。
但我百分之百同意，考虑到这项技术的量级，它还没有产生你可能预期的经济影响或对工作的影响。这就回到了J型曲线理论。所有事情的进展都比技术专家预想的要慢。
但这确实在发生，正在到来。到2030年，我认为这将对经济产生变革性影响，这已是不争的事实。但这些事情是逐步发生的。
主持人： 那么你认为我们现在处于J型曲线的哪个位置？
埃里克： 我认为我们已经度过了拐点。这就是我们创建起飞追踪器的原因。如果你查看斯坦福大学的AI经济指标，你会发现我们有一套指标体系，每个月都在更新。这些指标分为不同类别：无证据、微弱证据和强有力证据。目前有一两个指标显示出强有力证据，三四个显示出微弱证据，其余的还没有证据。
但我相当有信心，每个月我们都会逐渐向微弱或强有力证据类别过渡，然后情况可能会突然急剧变化。
我在我的书《第二次机器革命》中提到过指数增长的特点：事物总是缓慢发展，然后突然爆发。我们刚刚进入“突然爆发”的阶段。虽然还没完全进入，但已经越来越近了。
主持人： 这让我感到非常兴奋，也有点害怕。
历史上最好的十年，抑或最坏的十年：他的回答
埃里克： 没错，我也既兴奋又害怕。说真的，如果你没有同时感到兴奋和害怕，那你至少错过了一半的真相。
主持人： 好的，最后一个问题。如果我女儿——她四五岁了，刚满五岁——明天问我：“三十年后我的生活会是什么样子？”你会怎么回答？
埃里克： 没人能预知30年后的事。别说30年，即便是预测5年或10年后也足够困难了。听着，我认为未来十年，如果我们应对得当，将成为人类历史上迄今为止最美好的十年。财富创造将前所未有。人类寿命将显著延长。我提过我去过谷歌，抱歉，是DeepMind。我和德米斯·哈萨比斯(Demis Hassabis)交流过。他认为他们将在10年内开始治愈大多数疾病。我希望他是对的。这听起来很宏大，但你的女儿会见证这一切。这是好消息。
但我也认为，未来有可能成为有史以来最糟糕的十年之一。我必须坦诚，这里存在灾难性风险(catastrophic risk)的潜在可能，比如在实验室制造并释放病毒，人工智能接管社交媒体并操纵人类，导致权力极度集中。我们已经看到人工智能驱动的无人机在追捕人类。这些景象太悲惨了。那些反乌托邦场景里，无人机追捕士兵，简直让人倒吸一口凉气。不管我站在战争的哪一方，我都会对那个被无人机追捕的人产生同情。所有这些情况都有可能发生。
我想说的是，人类拥有极大的主动权(agency)。因此，我们不应过多纠结于将会发生什么、人工智能会做什么，而应更多思考我们想利用人工智能做什么。人工智能只是一种工具。我反复强调的一点是，当工具变得更强大时，这从定义上就意味着我们拥有更多的主动权。我们有更大的力量去改变世界。所以我们需要认真思考，像哲学家一样反思我们的价值观：我们想要塑造一个怎样的世界？
不要想当然地认为人工智能只会把我们引向某一个特定方向。我们现在依然拥有主动权，应该引导这项技术走向更有益的未来，并竭尽全力避免那些灾难性的未来。我完全认同这些情况都有可能发生。那些末日论者(doomers)说存在真实风险并没有错。但如果他们认为这些是不可避免的，那就错了，因为我们还有选择的余地。因此，我一直在与各实验室和政客们合作，尽我们所能，引导我们走向共同繁荣(shared prosperity)的未来。
主持人： 祈祷我们能迎来积极的结局。我总是告诉我的女儿们，她们不会遇到像我一样多的问题。她们会遇到不同的问题，但大概率不会遇到我目前正在经历的这些麻烦。
埃里克： 这很可能是对的。
主持人： 非常感谢你，埃里克。这次访谈极具启发性。
埃里克： 天哪，和你聊天太开心了。感谢你的邀请。
主持人： 非常感谢。
参考资料: https://www.youtube.com/watch?v=72duHF7iZiU，公开发表于2026年07月21日
近期活动
中关村金融科技产业发展联盟
Zhongquancun Fintech Industry Development Alliance
中关村金融科技产业发展联盟（简称“中金联盟”）是在北京市科委、中关村管委会，海淀区人民政府等单位指导下，由中关村互联网金融研究院、中科软、蚂蚁科技、第四范式、博彦科技、网联清算、光大银行、中关村银行、龙盈智达、度小满金融、神州信息等金融科技头部企业和专业服务机构共同发起，经民政部门批准在全国开展业务的社团组织，现有会员单位300余家，联盟以创新为动力，以技术为核心，以应用为导向、以产业为主线，打造中关村乃至全国金融科技产业服务中心，搭建金融科技产学研用合作平台，助推金融科技产业转型升级。
课题承接、论坛合作和专题培训
联系电话：13718969634
邮箱：caotingting@czifi.org
